ANÁLISIS INFERENCIAL EN SPSS 

Ana María Betancur Restrepo

Noviembre de 2020

Colegio Mayor de Antioquia

Bacteriología y laboratorio clínico
Estadística
Pruebas de normalidad
Tabla 1. Prueba de normalidad de la edad (n=2000)
Ho: la fracción de afectación sigue una distribución normal.
Ha: la fracción de afectación no sigue una distribución normal.
Sea α =0.05
Valor p < Valor α
0.00 < 0.05
Se puede rechazar la Ho de normalidad y todo esto no se presenta afectado por un
comportamiento normal, su procesamiento y análisis posterior se realiza en la estadística no
paramétrica.
La variable de edad no sigue una distribución normal.

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Edad ,070 2000 ,000 ,987 2000 ,000
a. Corrección de significación de Lilliefors
 Figura 1. Q-Q normal de Edad (n=2000)

Comportamiento de la variable edad, donde se encuentran las 2000 edades.

Tenemos valore externos y unas que se encuentran fuera de la recta donde se
encuentra la anormalidad. Ayuda a validar el rechazo de Ho.

Figura 2. Q-Q normal sin tendencia de Edad (n=2000)

Señala la deviación de las 2000 edades, la máxima cantidad de datos se

establece en el superior de la línea central. Ayuda a corroborar la anormalidad
de la edad.
Figura 3. Boxplot de edad (n=2000)
Objetivo específico: conocer el comportamiento de la edad por sexo.

Planteamiento de Hipótesis:
Ho: la distribución de la edad es igual entre sexos.
Ha: la distribución de la edad es diferente entre sexos.
Sea α =0.050

Tabla 2. Comparación de distribuciones en la estadística no-paramétrica de edad por sexo.

Se puede decir que esta distribución de la edad es igual entre sexos.

Figura 4. Prueba de Kruskal-Wallis para muestras independientes.

 Método no paramétrico para probar si un grupo de datos proviene de la misma
población.

Tabla 3. Comparaciones medianas entre edad y sexo.

Ho: las medianas de la edad son las mismas entre las categorías de sexo.
Ha: las medianas de la edad son diferentes entre las categorías de sexo.
Sea α= 0.050
Las medianas de edad son las mismas entre las categorias de sexo a un nivel de (0.005) esta se
apoya por la pruba no parametrica de las mediadas realizada que presentan igualdad de decision
para la hipotesis.

Figura 5. Prueba de la mediana en muestras independientes.

 Prueba no paramétrica que podemos considerar un caso especial de la prueba de
chi-cuadrado, pues se basa en esta última. Su objetivo es comparar las medianas de
dos muestras y determinar si pertenecen a la misma población o no.
Se puede concluir que la prueba de Mann Whitney y la prueba de la mediana dan
similar.

Objetivo específico: Conocer la distribución de la edad por estado.

Planteamiento de Hipótesis:
Ho: La distribución de la edad es la misma entre las categorías de Estado.
Ha: La distribución de la edad es diferente entre las categorías de Estado.
Sea α =0.05 Valor p =0,000

Tabla 4. Comparación de la distribución en estadística no-paramétrica de la edad por estado.

 Figura 6. Prueba de Kruskal-Wallis para muestras independientes.

La distribucion de toda la edad es distinta entre las medias mediana su promedio esta
entable bajo la comparación del estado. Esta da como resultado que se debe recchazar la
hipotesis nula. Es una variable cualitativa policotomica en analisis inferenciales no
parametricos. Se concluye que: a un nivel α (0.05), la distribución de edad es diferente
entre las categorías de Estado, respaldada por el boxplot que se presenta.

Objetivo específico: Conocer la distribución de la edad por atención

Planteamiento de Hipótesis:
Ho: La distribución de la edad es la misma entre las categorías de atención.
Ha: La distribución de la edad es diferente entre las categorías de atención.
Sea α =0.05 Valor p =0,000
Tabla 5. Comparación de la distribución en estadística no-paramétrica de la edad por atención.

Figura 7. Prueba de Kruskal-Wallis para muestras independientes.

Se concluye que: a un nivel α (0.05), la distribución de edad es diferente entre las

categorías de Atención; sí un factor que subdivide la población de origen incide de forma
significativa sobre el valor central de la población.

Objetivo específico: Hallar la relación entre grupo de edad2 y atención2.

Se plantean las siguientes hipótesis:
Ho: El grupo de edad2 y la atención2 son independientes (El grupo de edad2 y la atención2 no
tiene relación, no tienen asociación)
Ha: El grupo de edad2 y la atención2 son dependientes (El grupo de edad2 y la atención2 tienen
relación, tienen asociación)
Sea α = 0.050
Sí existe asociación entre dos variables categóricas, es decir, si las proporciones de una variable
son diferentes dependiendo del valor que adquiera la otra variable, cuando los datos son
independientes. Se trata por lo tanto de una expansión del Z-test para dos proporciones cuando
una de las variables estudiadas tiene dos o más niveles. 
Tabla 6. Tabla cruzada de grupo de edad2 por atención2.
Tabla cruzada Grupos de edad 2*Atencion2
Recuento

Atencion2

Casa-recuperado Fallecido Hospital-Uci Total

Grupos de edad 2 30 o más 1329 124 8 1461

Menor de 30 534 4 1 539

Total 1863 128 9 2000

Tabla 7. Pruebas de chi-cuadrado.

Pruebas de chi-cuadrado
Significación
asintótica
Valor df (bilateral)

Chi-cuadrado de Pearson 40,831a 2 ,000

Razón de verosimilitud 56,879 2 ,000

N de casos válidos 2000

a. 1 casillas (16,7%) han esperado un recuento menor que 5. El recuento

mínimo esperado es 2,43.

Objetivo específico: Hallar la relación entre grupo de edad2 y estado2.

Se plantean las siguientes hipótesis:
Ho: El grupo de edad2 y estado2 son independientes (El grupo de edad2 y estado2 no tiene
relación, no tienen asociación)
Ha: El grupo de edad2 y estado2 son dependientes (El grupo de edad2 y estado2 tienen relación,
tienen asociación)
Sea α = 0.050
Tabla 8. Tabla cruzada de sexo por atención2.
Tabla cruzada Grupos de edad 2*Estado2
Recuento

Estado2

Asintomático Grave-fallecido Leve-moderado Total

Grupos de edad 2 30 o más 59 129 1273 1461

Menor de 30 34 4 501 539

Total 93 133 1774 2000

Tabla 9. Pruebas de chi-cuadrado.

Pruebas de chi-cuadrado
Significación
asintótica
Valor df (bilateral)

Chi-cuadrado de Pearson 44,591a 2 ,000

Razón de verosimilitud 61,179 2 ,000

N de casos válidos 2000

a. 0 casillas (0,0%) han esperado un recuento menor que 5. El recuento

mínimo esperado es 25,06.

Objetivo específico: Hallar la relación entre sexo y atención2.

Se plantean las siguientes hipótesis:
Ho: El sexo y la atención2 son independientes (El sexo y la atención2 no tiene relación, no tienen
asociación)
Ha: El sexo y la atención2 son dependientes (El sexo y la atención2 tienen relación, tienen
asociación)
Sea α = 0.050
Tabla 10. Tabla cruzada de sexo por atención 2

Tabla cruzada Sexo *Atención 2

Recuento

Atención 2

Casa-
recuperado Fallecido Hospital-UCI Total

Sexo  F 945 49 3 997

M 918 79 6 1003

Total 1863 128 9 2000

Tabla 11. Pruebas de chi-cuadrado

Pruebas de chi-cuadrado
Significación
asintótica
Valor df (bilateral)

Chi-cuadrado de Pearson 8,405a 2 0,015

Razón de verosimilitud 8,490 2 0,014

N de casos válidos 2000

a. 2 casillas (33,3%) han esperado un recuento menor que 5. El recuento

mínimo esperado es 4,49.

Objetivo específico: Hallar la relación entre sexo y estado2

Se plantean las siguientes hipótesis:
Ho: El sexo y el estado2 son independientes (El sexo y el estado2 no tiene relación, no tienen
asociación)
Ha: El sexo y el estado2 son dependientes (El sexo y el estado2 tienen relación, tienen
asociación)
Sea α = 0.050
Tabla 12. Tabla cruzada de sexo por atención 2

Tabla cruzada Sexo *Estado2 (todas son mayores de 5)

Recuento
Estado2 Total
Asintomático Grave-fallecido Leve-moderado
Sexo  F 47 51 899 997
M 46 82 875 10
03
Total 93 133 1774 2000

Tabla 13. Pruebas de chi-cuadrado

Pruebas de chi-cuadrado
Significación
asintótica
Valor df (bilateral)
Chi-cuadrado de 7,543a 2 0,023
Pearson
Razón de verosimilitud 7,610 2 0,022
N de casos válidos 2000
a. 0 casillas (0,0%) han esperado un recuento menor que 5.
El recuento mínimo esperado es 46,36.

Si es menor de 20% se lee la Chi-cuadrado de Pearson con su respectiva significación (0,023 ó

valor p, pero si es mayor la razón de verosimilitud se compara el valor p y el valor α, recordando
la siguiente regla:
Si el valor p < α entonces se rechaza la hipótesis nula (Ho) o se puede decir que existe evidencia
para rechazar la hipótesis nula (Ho) de independencia a un nivel de α de 0,050
Valor p (0.023) Valor α (0.050) ¿Qué es p respecto a α? Es menor 0.023 < 0.050; p es menor
que α por lo tanto se rechaza la hipótesis nula (Ho) de independencia y se puede concluir que,
parece que existe relación (dependencia, asociación) entre el sexo y el estado. Se recomiendan
estudios posteriores para explorar más la asociación.

Referencias
Acuña, E. (2020). Estadística No Paramétrica. puerto rico: UNIVERSIDAD DE PUERTO
RICO.
http://www.iuma.ulpgc.es/~nunez/mastertecnologiastelecomunicacion/RecursosGenerales
/AnalisisEstadisticoClase9.pdf.
Mendivelso, F. (2018). PRUEBA CHI-CUADRADO. Rev.Medica.Sanitas.
https://www.unisanitas.edu.co/Revista/67/05Rev_Medica_Sanitas_21-
2_FMendivelso_et_al.pdf, 1-4.
Ruiz, R. R. (15 de mayo de 2013). Investigación clínica XVI Diferencias de medianas con la U
de Mann-Whitney. Obtenido de https://www.medigraphic.com/:
https://www.medigraphic.com/pdfs/imss/im-2013/im134k.pdf